AI算法与应用-03编程强化训练-006

友情提示：
1.	编程题可用pycharm或vscode编辑、调试，也可用其他方式，形式不限；
2.	编程题附上代码及结果截图；

## 第1章 Python

01. 解释python内置数据结构
02. iterables和iterators之间的区别
03. python中的map function是什么
04. 解释python中的filter，举例说明
05. python中reduce函数用法，举例说明
06. 什么是pickling和unpikling
07. 解释re模块split（），sub（），subn（）方法
08. python中的生成器是什么
09. 如何使用索引来翻转python中的字符串
10. 类和对象有什么区别

## 第2章 深度学习框架

01. t = torch.tensor([[1,1,1,1],[2,2,2,2],[3,3,3,3]], dtype=torch.float32)
t.numel()的输出结果是（ ）
A.3
B.4
C.9
D.12
02. t1 = torch.tensor([[1,2],[3,4]], dtype=torch.float32)
t2 = torch.tensor([[9,8],[7,6]], dtype=torch.float32)
t1 + t2的结果是（ ）
A.tensor([[10, 10],[10, 10]])
B.tensor([[2, 4],[6, 8]])
C.tensor([[32, 33],[34, 35]])
D.tensor([[20, 20],[20,20]])
03. t = torch.tensor([[1,1,1,1],[2,2,2,2],[3,3,3,3]], dtype=torch.float32)
t.sum(dim=0) 结果是（ ）
A.tensor([2, 2, 2, 2])
B.tensor([3, 3, 3, 3])
C.tensor([5, 5, 5, 5])
D.tensor([6, 6, 6, 6])
04. self.conv1 = nn.Conv2d(in_channels=1, out_channels=6, kernel_size=5)
设置滤波器的大小为（ ）
A.	1*1
B.	6*6
C.	5*5
D.	30*30
05. 假设你有5个大小为7x7、边界值为0的卷积核，同时卷积神经网络第一层的深度为1。此时如果你向这一层传入一个维度为224x224x3的数据，那么神经网络下一层所接收到的数据维度是多少？
A.218x218x5
B.217x217x8
C.217x217x3
D.220x220x5
06. 提升卷积核(convolutional kernel)的大小会显著提升卷积神经网络的性能，这种说法是
A.正确的
B.错误的
07. 下列哪一项属于特征学习算法（representation learning algorithm）？
A.K近邻算法
B.随机森林
C.神经网络
D.都不属于
08. 深度学习与机器学习算法之间的区别在于，后者过程中无需进行特征提取工作，也就是说，我们建议在进行深度学习过程之前要首先完成特征提取的工作。这种说法是：
A.正确的
B.错误的
09. 在训练神经网络时，损失函数(loss)在最初的几个epochs时没有下降，可能的原因是？
A.学习率(learning rate)太低
B.正则参数太高
C.陷入局部最小值
D.以上都有可能
10. 下列哪个函数不可以做激活函数？
A.y = tanh(x)
B.y = sin(x)
C.y = max(x,0)
D.y = 2x